仿真测试如何加速ADAS感知和控制开发流程
仿真测试如何加速ADAS感知和控制开发流程
- 崔嘉亮 | 仿真测试业务技术主管，康谋科技
自动驾驶技术飞速演进，ADAS 感知与控制系统在复杂路况、极端天气下的可靠性验证愈发关键。传统实车测试不仅成本高昂、场景覆盖有限，更难以高效复现边缘案例；而随着生成式 AI 技术的兴起，如何借助其力量构建更真实、更多元的测试场景，成为突破研发瓶颈的重要方向。
本场演讲将深入探讨如何通过高保真物理传感器和逼真的环境模拟，让虚拟测试环境更贴近真实世界，从而帮助开发者验证感知算法的准确性和鲁棒性。解析AI驱动场景生成技术，如何快速构建多样化的测试场景，提升场景开发效率，为自动驾驶技术的研发和落地提供可靠保障，助力行业迈向更安全、更智能的未来。
（点击视频观看高清版本）
精选Q&A
选择适合自的3D重建技术主要考虑哪些因素？
NeRF适用于需要非常高保真的数据且不介意渲染时间的场景；3DGS的场景保真度相较NeRF稍显逊色，其优势在于渲染实时性。
传感器仿真对标如何做？
可以分别在 aiSim 和真实世界中分别使用棋盘格进行标定测试；可以在 aiSim 中重建真实世界的场景，通过生成的合成数据和真实世界数据测试同一算法进行比较。
可以针对不同厂家的传感器建模吗？
无法直接从物理级进行传感器建模，但是可以通过 aiSim 提供的物理传感器的实际参数和效应参数尽，可能去接近某一款市面在售传感器的效果；如果是不同厂家的传感器模型，可以基于 aiSim 仿真器的 Sensor API 去进行集成其提供的模型，如果是自己建立物理 级的模型，通常需要制造商提供非常高的支持才有可能。
AEB仿真测试
在CCRm场景下举例，选定高速公路上模拟车辆行驶，前方有一辆车以20km/h的速度行驶，Ego与前方车辆碰撞事件设置为4秒。时间越短，意味着Ego和前方车辆碰撞风险越高。这个过程中应该遵循：Ego保持在车道内，避免变换车道（Lane Keep）；Ego与其他车辆保持跟车距离（Safety Gap）；在畅通道路上，Ego保持目标速度（Speed Change）；Ego不会发生和车辆或其他物体碰撞（Collision）；最终通过要求为Ego正常到达测试场景的目标终点。aiSim可以在GUI或是独立的场景编辑器中设置这样的场景，通过aiSim提供SimConnector接口（TCP/IP）可以集成ADAS/AD用户的算法（软件），通过aiSim提供的aiFab，可以设置可批量化参数，比如Ego和外部车辆速度，天气状况，车辆类型等，以便于一次性生成大量相关场景，进行覆盖测试。